热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

劫持小偷的思想

海边的客房—爱德华霍珀每年夏天,曼利科索(ManlyCorso)的当地人和游客都会化为一口渴的泳客的浓浆。当您从海滩上淤泥流到拥挤的摊贩时
海边的客房—爱德华·霍珀

每年夏天,曼利·科索(Manly Corso)的当地人和游客都会化为一口渴的泳客的浓浆。 当您从海滩上淤泥流到拥挤的摊贩时,它的一致性是不明显的-不容忍的行人交通模糊不清,汗水和防晒霜creep绕。 随着11月初开始重复定义自己,支撑曼利·科索(Manly Corso)两侧的工人陷入同质化。 需求的周期不断加快,直到达到恒定速度。

随着可预测性竞技场的兴起,工人们在为夏季高峰期就座时放下了自己的警卫。 没有人愿意站起来并妨碍别人。

小偷想要的是:一致性。

“'做你自己'是关于给别人的最糟糕的建议”-托马斯·兰辛·马森

到十二月底,她知道我什么时候完成轮班。 她知道我的储物柜在哪里。 到一月份,我知道她已经有了我的电话。

昨天在西雅图,一名机组人员偷了一个螺旋桨推进器飞机,飞行了一个小时,然后致命地撞进了一个树木茂密的小岛。 这是现实生活中的侠盗猎车手。

飞行员甚至自己说:

空中交通管制员:现在他正飞来飞去,他只需要一些控制飞机的帮助。
飞行员:不,我是说,我不需要那么多帮助。 我以前玩过一些电子游戏。

当飞机的油箱在7500英尺处开始排空时,飞行员打开了:

我有很多人在乎我。 听到我这样做,会让他们感到失望。 我想向他们中的每一个致歉。 只是一个破碎的家伙,我猜松了一些螺丝。 直到现在,才真正知道这一点。

您可以判断飞机已经被满载的火球撞坏了,随后的火球撞上了飞机。 当煤油在乘客周围燃烧时,他们的衣服和手表融化在他们的皮肤中。 对于研究人员而言,残骸是烧焦的钢铁和肉糊。 在这些混乱之中,需要找到原因和答案。

但是,当一架飞机由于燃料用完而坠毁时,原因就从地面飞散了。 即使没有焦土,在坠机事故的某个地方仍然有焦灼的心。 一些松动的螺丝使炉子爆炸。

“清洁空气! 清洁天空! 洗风! 从石头上取石头,从手臂取皮肤,从骨头取肌肉,然后洗净。 洗石头,洗骨头,洗脑,洗灵魂,洗脑!” —艾略特(TS Eliot),《大教堂谋杀案》

她为什么偷了我的手机? 他为什么偷飞机? 目前,很容易将不同的特征联系起来并强调它们为“动机”。

听到以下情况并不少见:

“她的童年很糟”
“他的工作压力太大”
“她的朋友都这样做”
“他精神病”

这些评论大部分是环境影响。 他们徘徊在人们的脑海中,争先恐后地提出新的想法,直到他们突然成为我们的“我们的选择”。

但是,当某人被描述为“精神病患者”时,我们将地震转变引入了如何成为“精神病患者”。 当我们经过新的风景时,不再是争夺注意力的想法。 在这种情况下,没有规则-这是黑暗中的争吵。 没有人知道谁在为谁而战。 当轮廓相互纠缠时,只有陷入静止状态的轮廓才能告诉我们丢失了什么。

没有比人类大脑更令人着迷的生物学了。 当我们深入研究颅骨时,我们发现进化的牙齿痕迹一次又一次地刺入我们。 现在漂浮在我们每个脑袋中的电浆就像气泡包裹的爆裂糖果。 数十亿个闷闷不乐的爆炸使糖分充满心灵,使之保持生命。 但是足够安静,您可以忘记曾经有过的血腥。

考虑一下让您流连忘返的思想流失了多少人

大脑的四个瓣是额叶(工作记忆,计划,动机),顶叶(感觉信息),枕骨(视觉处理)和颞叶(根据感觉信息派生的意思)。 神经组织可以进一步分为灰质或白质。

灰纸用于信息处理,其中电脉冲会汇聚成可采取的行动。 为了促进这些冲动,白质有助于通过其中发现的神经元类型传播电能。

在光学显微镜下(1毫米-1微米),我们可以区分神经细胞的细胞结构。 由于它们的体细胞直径在10至50微米之间,因此它们的宽度可以达到红血细胞的两倍。

神经细胞与组成我们身体的其余部分之间的区别在于它们能够支配他人。

就像核弹中的连锁反应一样,人脑是无限循环的一组反应,它们是从您周围的世界中引发的。 得益于您的运动系统和感觉系统之间的完美音调,您可以对这个世界做出反应,并度过另一天。

“生存”是进化所希望的。 它不在乎物种的完整性,它在乎是否会有明天。 跨时间的这种持久性使系统进化论者能够将神经元的进化过程从简单的神经网络映射到他们今天在中枢神经系统和周围神经系统中继承的复杂域。

当真核生物(植物,动物和真菌)从原核生物(细菌)中分离出来超过十亿年前时,多细胞生物便形成并分离为当今的五种主要动物群:Ctenophora,Poriphera,Placozoa,Cnidaria和超过二十种组成Bilateria的门,其中包括人类的弦。

从这种分裂,至少在五个单独的脊椎动物辐射中,大脑的发育已经独特地出现了。 头部化的动能将神经活动集中到人的头部,确保了在动物界内, Homo基因具有决定性的战略优势。

如果可以备份的话,这并不吹牛。

但是,使我们成为优势物种的大脑发生了什么?

人脑中大约有1000亿个神经元,但神经胶质细胞的神经元数量却超过了10:1。

神经元功能不是二元问题。 它几乎是由几乎无限的参数表所设计的就餐体验:菜单,天气,服务员,餐厅等。

通过Gogli染色鉴定出的神经元

神经元被其神经元膜周围不断变化的化学梯度所激发。 当离子渗透通过钠,钙和钾通道时,细胞外液与细胞质物质之间不断变化的电差会导致静息电位从-65毫伏上升,直至超过大约-30毫伏的阈值。

此刻,电信号在1000秒内从轴突岗向轴突端子充电。

当该动作电位到达轴突末端时,神经递质从突触前神经元释放出来,因此它可以通过与其树突相连而与突触后神经元进行通讯。 神经递质充当效应分子,使动作电位在整个神经系统中传播。

但是,如何指导这些神经递质从突触前到突触后神经元呢? 由于神经胶质细胞的结构支持,大脑的自由空间有限。 星形胶质细胞利用突触裂隙来维持大脑的生物化学,因此没有任何特定的神经递质集中。

这些动作电位的速度如何? 为什么他们一开始这么快? 在中枢神经系统中,少突胶质细胞包裹神经元的轴突,形成称为髓鞘化的兰维尔模式的节间/节点,不仅提高了脉冲的传导速度,还减少了离子向细胞外液中的泄漏。

同样,在周围神经系统中,雪旺氏细胞使周围神经发神经,使我们能够做出反应并感知环境。

与通常被称为人类行为的建筑师的简单神经元网络相反,神经胶质细胞控制着大脑的压倒性掌握。

如果星形胶质细胞不能从突触间隙吸收谷氨酸,然后从氨中产生谷氨酰胺(通过谷氨酸合成),神经元将无法激发其动作电位,因为谷氨酸是一种兴奋性神经递质。 不幸的是,过量的谷氨酸表现为导致神经元损伤的兴奋性毒素。

大脑不是1000亿个神经元,而是1万亿个神经胶质细胞和1000亿个神经元。 这些网络共同使我们成为人类。

即使我们不知道某人的内心正在发生什么,我们也确实知道那里发生了什么。

在机器智能过程中,有一个分支途径可以导致全脑仿真(WBE)。 听起来很像。

通过将某人的思想上传到计算机,就可以对某人的行为及其附带的模型进行建模。 例如,预测。

成功的WBE需要对神经和细胞结构有天生的理解,这已经超出了我们今天的水平。 直到最近十年左右,神经胶质细胞才得到应有的关注,以前被认为只是大脑中的“空间填充物”。

尽管可以使用WBE来理解那些今天逃避我们逻辑的人们的思想,但它们可能导致不可避免的现实。

对于任何行为不端的人来说,很容易看出他们的行为是环境的副产品。 这就是为什么我们听到…

“她的童年很糟”
“他的工作压力太大”

……发生任何恶意,混乱或根本不人道的行为。

但是,如果在神经元和神经胶质细胞的网络中,存在着一系列威胁性的导线,导致某人的思想纠缠于一种有毒的世界观,这种世界观扼杀了他们的任何感官和同情心。

当有性生殖过程中配子融合在一起时,锌原子会从卵中破裂,表明受精成功。 很容易忘记,在此刻,两个单独的细胞混合在一起,即将形成合子。 在那一刻,构成一个完整的人类所需的所有遗传物质都已被处理。 生活已经开始。 头脑泛滥。

请记住,“那个”人仅来自一个单元。

在人类基因组的3,088,286,401个DNA字母中发现的蛋白质的分类

计算的综合目标是模仿和改进人类的认知。 当前,计算机展示出离散的能力,这些能力主要是受人类能力或缺乏能力的启发。

WBE代表计算机能够模拟人脑的关键时刻。 一项可能是人类最伟大的技术成就。 终于,一个人心灵的内在运作最终将能够被破解,并且“我们”的粘贴可以被过滤掉。 每种成分都经过解剖和分类,因此可以揭示人脑的精确度。

对于目前通过机器学习研究和神经科学直接或间接致力于WBE的程序员来说,仅将大脑视为神经元网络是不够的。

那么,为什么所有的机器学习算法都迷恋神经网络,而不是痴迷于神经网络的神经胶质网络比不是10:1?

祝您阅读愉快,希望您喜欢它!

Bryan Jordan-首席执行官,联合创始人-Bright | 领英
在全球最大的专业社区LinkedIn上查看Bryan Jordan的个人资料。 布赖恩(Bryan)在他们的网站列出了4个工作 。www.linkedin.com

From: https://hackernoon.com/hijacking-a-thiefs-mind-123693e36ba9



推荐阅读
  • 生成式对抗网络模型综述摘要生成式对抗网络模型(GAN)是基于深度学习的一种强大的生成模型,可以应用于计算机视觉、自然语言处理、半监督学习等重要领域。生成式对抗网络 ... [详细]
  • sklearn数据集库中的常用数据集类型介绍
    本文介绍了sklearn数据集库中常用的数据集类型,包括玩具数据集和样本生成器。其中详细介绍了波士顿房价数据集,包含了波士顿506处房屋的13种不同特征以及房屋价格,适用于回归任务。 ... [详细]
  • 微软头条实习生分享深度学习自学指南
    本文介绍了一位微软头条实习生自学深度学习的经验分享,包括学习资源推荐、重要基础知识的学习要点等。作者强调了学好Python和数学基础的重要性,并提供了一些建议。 ... [详细]
  • 2018年人工智能大数据的爆发,学Java还是Python?
    本文介绍了2018年人工智能大数据的爆发以及学习Java和Python的相关知识。在人工智能和大数据时代,Java和Python这两门编程语言都很优秀且火爆。选择学习哪门语言要根据个人兴趣爱好来决定。Python是一门拥有简洁语法的高级编程语言,容易上手。其特色之一是强制使用空白符作为语句缩进,使得新手可以快速上手。目前,Python在人工智能领域有着广泛的应用。如果对Java、Python或大数据感兴趣,欢迎加入qq群458345782。 ... [详细]
  • 生成对抗式网络GAN及其衍生CGAN、DCGAN、WGAN、LSGAN、BEGAN介绍
    一、GAN原理介绍学习GAN的第一篇论文当然由是IanGoodfellow于2014年发表的GenerativeAdversarialNetworks(论文下载链接arxiv:[h ... [详细]
  • [译]技术公司十年经验的职场生涯回顾
    本文是一位在技术公司工作十年的职场人士对自己职业生涯的总结回顾。她的职业规划与众不同,令人深思又有趣。其中涉及到的内容有机器学习、创新创业以及引用了女性主义者在TED演讲中的部分讲义。文章表达了对职业生涯的愿望和希望,认为人类有能力不断改善自己。 ... [详细]
  • 浏览器中的异常检测算法及其在深度学习中的应用
    本文介绍了在浏览器中进行异常检测的算法,包括统计学方法和机器学习方法,并探讨了异常检测在深度学习中的应用。异常检测在金融领域的信用卡欺诈、企业安全领域的非法入侵、IT运维中的设备维护时间点预测等方面具有广泛的应用。通过使用TensorFlow.js进行异常检测,可以实现对单变量和多变量异常的检测。统计学方法通过估计数据的分布概率来计算数据点的异常概率,而机器学习方法则通过训练数据来建立异常检测模型。 ... [详细]
  • 云原生边缘计算之KubeEdge简介及功能特点
    本文介绍了云原生边缘计算中的KubeEdge系统,该系统是一个开源系统,用于将容器化应用程序编排功能扩展到Edge的主机。它基于Kubernetes构建,并为网络应用程序提供基础架构支持。同时,KubeEdge具有离线模式、基于Kubernetes的节点、群集、应用程序和设备管理、资源优化等特点。此外,KubeEdge还支持跨平台工作,在私有、公共和混合云中都可以运行。同时,KubeEdge还提供数据管理和数据分析管道引擎的支持。最后,本文还介绍了KubeEdge系统生成证书的方法。 ... [详细]
  • CSS3选择器的使用方法详解,提高Web开发效率和精准度
    本文详细介绍了CSS3新增的选择器方法,包括属性选择器的使用。通过CSS3选择器,可以提高Web开发的效率和精准度,使得查找元素更加方便和快捷。同时,本文还对属性选择器的各种用法进行了详细解释,并给出了相应的代码示例。通过学习本文,读者可以更好地掌握CSS3选择器的使用方法,提升自己的Web开发能力。 ... [详细]
  • 如何在服务器主机上实现文件共享的方法和工具
    本文介绍了在服务器主机上实现文件共享的方法和工具,包括Linux主机和Windows主机的文件传输方式,Web运维和FTP/SFTP客户端运维两种方式,以及使用WinSCP工具将文件上传至Linux云服务器的操作方法。此外,还介绍了在迁移过程中需要安装迁移Agent并输入目的端服务器所在华为云的AK/SK,以及主机迁移服务会收集的源端服务器信息。 ... [详细]
  • 集成电路企业在进行跨隔离网数据交换时面临着安全性问题,传统的数据交换方式存在安全性堪忧、效率低下等问题。本文以《Ftrans跨网文件安全交换系统》为例,介绍了如何通过丰富的审批流程来满足企业的合规要求,保障数据交换的安全性。 ... [详细]
  • 词袋模型的通俗介绍
    词,袋, ... [详细]
  • 本文讨论了编写可保护的代码的重要性,包括提高代码的可读性、可调试性和直观性。同时介绍了优化代码的方法,如代码格式化、解释函数和提炼函数等。还提到了一些常见的坏代码味道,如不规范的命名、重复代码、过长的函数和参数列表等。最后,介绍了如何处理数据泥团和进行函数重构,以提高代码质量和可维护性。 ... [详细]
  • 小程序自动授权和手动接入的方式及操作步骤
    本文介绍了小程序支持的两种接入方式:自动授权和手动接入,并详细说明了它们的操作步骤。同时还介绍了如何在两种方式之间切换,以及手动接入后如何下载代码包和提交审核。 ... [详细]
  • 本文介绍了如何使用JSONObiect和Gson相关方法实现json数据与kotlin对象的相互转换。首先解释了JSON的概念和数据格式,然后详细介绍了相关API,包括JSONObject和Gson的使用方法。接着讲解了如何将json格式的字符串转换为kotlin对象或List,以及如何将kotlin对象转换为json字符串。最后提到了使用Map封装json对象的特殊情况。文章还对JSON和XML进行了比较,指出了JSON的优势和缺点。 ... [详细]
author-avatar
weidnermennenga_153
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有